《姬龜背芋100問》
開了問答之後果然收到了不少關於姬龜背的疑問
我會盡量依照我的照顧經驗以及上網找到的一些資料提供給大家
先和大家分享一下我的照顧方式:
◈介質 / 用很一般的泥炭土混珍珠石,比例大約2:1,不一定要按照我的比例,只要確保排水流暢不積水即可。
◈喜好環境 / 通風、半日照的環境,夏季為主要生長季。
◈澆水頻率 / 夏季炎熱時幾乎每天,冬季看狀況兩三天一次,寒流來不澆水。
◈肥料 / 一般緩效肥及液肥,無特別施肥。
=================================
▶︎為什麼這麼茂盛?
照片中只有一棵姬龜背,視覺上很茂盛的原因是我有修剪頂芽,促進分枝,長出更多葉片。我先切了切口A,促進兩支分枝生長(分枝A1、A2)。過了一段時間之後切了切口B,促進兩支分枝(分枝B1、B2),故整株有三到四個分枝在生成葉片,看起來才會茂盛。
▶︎照顧概念跟龜背芋一樣嗎?
先澄清一點,姬龜背和龜背芋其實不同屬,生長狀態也不盡相同。只是剛好他們的葉片形狀有點雷同,才會被取出這樣的中文名稱。龜背芋的葉片比較厚,比起姬龜背更耐曬一些。兩者位於半日照、通風的環境皆可以生長得不錯。
▶︎和藍葉姬龜背的差別?
這個我會再打另外一篇文章特別介紹喔!不然一篇文章太長了怕大家看不下去,哈哈!
▶︎如何讓莖根間隔長短固定一點?
足夠的光照是一定要的,如果你發現莖節之間的距離越來越長,很有可能是缺光徒長了喔!
▶︎沒裂葉要直接剪掉嗎?一直沒有裂葉怎麼了?
沒裂的葉子不必剪掉,剪掉也不會促使他裂葉喔!應該要從環境上開始著手,通常沒有裂葉可能是植株還不夠成熟,或是缺光造成。然而姬龜背其實在小時候就能有裂葉的表現了,可以檢視一下環境的光照是否足夠呦!
▶︎有開洞的姬龜背代表什麼?
代表植株很成熟囉!
▶︎怎麼讓葉子變大?怎麼讓葉子變厚?
提供姬龜背向上攀爬的支柱,如果根系都可以吸收到水分,加上足夠的陽光和養分,葉子自然就會隨著植物成長而變大變厚。
▶︎比較低的葉子黃葉、下層葉子發黃
我的姬龜背在冬季也有這樣的狀況發生,我猜應該是非生長季、加上光照不足而開始消耗葉子。
▶︎爬柱不夠長,是爬牆還是爬什麼呢?
我的姬龜背是爬蛇木柱喔!不過他早就超過蛇木柱的高度了,現在有一部份是懸空成長啊!
▶︎是不是要攀爬會長比較快?
原生環境裡,姬龜背本來就會向上攀爬,提供向上攀爬的空間會長得比較健壯,植物健康相對的也會長得比較快喔!
▶︎長很快嗎?我的生長很慢,葉子也很小。
姬龜背在生長季的時候真的是長得很快!一週可以大約有兩片新葉,而且常常新的葉片還沒成熟,又會開始抽新芽!如果是冬季的話,生長速度就會變得比較慢,是正常的喔。生長慢、葉子小,可能要重新檢視一下環境適不適合他喔!
▶︎如何讓他不要無止盡地往上發展?會一直讓他長高嗎?
不要無止盡的向上發展,除了不給他爬柱之外,也可以修剪頂芽促進分枝。我的經驗是沒有爬柱且剪掉頂芽,可以暫時讓他往橫向發展。但畢竟他的本性就是喜歡往上長,加上我的光源在上方,所以過一段時間,他還是一直向上衝了。
▶︎一定要攀爬嗎?不爬葉子會不會變小?
要不要攀爬看個人的決定,我的姬龜背都有攀爬,所以不確定沒有爬的話葉子會不會變小。我在網路上也有看過沒有爬,葉子依然很大很茂盛的姬龜背。也有看過雖然一直向上長,但是葉子卻越變越小的姬龜背,我猜想應該是和氣根有沒有吸收到水分、養分有關。
▶︎頂芽分枝相關資訊
其實和一般的植物繁殖沒什麼不同,簡單來說就是切下莖節,使用你習慣的介質發根。但我自己的經驗是姬龜背發根不快,季節不對的時候也不容易發根(例如冬季)。這個部分我還要多做實驗才能和大家分享喔!Youtube上也有許多教學,大家也可以先上網看看!(建議以英文搜尋rhaphidophora tetrasperma propagation)
▶︎頂芽切掉以後,會從哪裡長新芽?
會從切口下方第一個莖節處有白點的地方冒出新芽!生長季時,有可能會不止一個新芽產生喔!
▶︎買了現切姬龜背芽點黑掉,還有機會再長嗎?
如果根系已經完整了,應該是有機會再長出新芽的喔!不過不會從同一個芽點長出來了。再給他一點時間!
▶︎只有莖節加氣根,能夠長葉子嗎?
如果已經發根了,就會再從莖節處的白點長出新芽。
▶︎氣根尾端黑掉的原因?
可能是沒有接觸到足夠的水而乾枯。
▶︎原本長新葉的地方黑掉了!
可能是根系出了問題喔!建議脱盆檢查一下。
▶︎扦插發根後入土再也不動了,是因為冬天嗎?
也有可能是因為季節喔!冬季生長真的會緩慢許多。加上他發根後再長新芽真的需要比較長的時間。
▶︎剛發根有一小片葉子等待新芽,需要注意什麼?
放置在散光的環境,穩定的空氣濕度和溫度,有助於植物成長。注意澆水不宜過多,怕爛根。
▶︎葉片上有淡淡的黃斑點
可能是有菌生病囉!要看照片比較能確定!
============================
以上是我個人的照顧經驗,和搜集大家的的問答。
如果你還有任何問題,歡迎下方留言一起討論喔!
還想要看更多文章分享請點 #愛植太太經驗分享
#tetraspermatuesday
#rhaphidophoratetrasperma
同時也有10000部Youtube影片,追蹤數超過2,910的網紅コバにゃんチャンネル,也在其Youtube影片中提到,...
「propagation有機」的推薦目錄:
- 關於propagation有機 在 這位太太愛植物 Facebook 的最佳貼文
- 關於propagation有機 在 李開復 Kai-Fu Lee Facebook 的精選貼文
- 關於propagation有機 在 閃耀北極星 劉彥良 Facebook 的最佳解答
- 關於propagation有機 在 コバにゃんチャンネル Youtube 的最佳貼文
- 關於propagation有機 在 大象中醫 Youtube 的最佳解答
- 關於propagation有機 在 大象中醫 Youtube 的最佳解答
- 關於propagation有機 在 自製液態濃縮有機肥料「萬金油」 - YouTube - Pinterest 的評價
- 關於propagation有機 在 自製液態濃縮有機肥料「萬金油」 - YouTube - Pinterest 的評價
- 關於propagation有機 在 Hea種- 種植有機菜要由泥土開始,所以我哋用料一 ... - Facebook 的評價
- 關於propagation有機 在 迷迭香的種類,種植,扦插。Rosemary varieties and ... 的評價
- 關於propagation有機 在 玫瑰扦插與芽接。如何利用高壓和接枝培育樹玫瑰。Rose ... 的評價
propagation有機 在 李開復 Kai-Fu Lee Facebook 的精選貼文
創新工場“AI蒙汗藥”入選NeurIPS 2019,3年VC+AI佈局進入科研收穫季
本文來自量子位微信公眾號
……………………………………………………………………
NeurIPS 2019放榜,創新工場AI工程院論文在列。
名為“Learning to Confuse: Generating Training Time Adversarial Data with Auto-Encoder”。
一作是創新工場南京國際AI研究院執行院長馮霽,二作是創新工場南京國際人工智慧研究院研究員蔡其志,南京大學AI大牛周志華教授也在作者列。
論文提出了一種高效生成對抗訓練樣本的方法DeepConfuse,通過微弱擾動資料庫的方式,徹底破壞對應的學習系統的性能,達到“資料下毒”的目的。
創新工場介紹稱,這一研究就並不單單是為了揭示類似的AI入侵或攻擊技術對系統安全的威脅,還能協助針對性地制定防範“AI駭客”的完善方案,推動AI安全攻防領域的發展。
NeurIPS,全稱神經資訊處理系統大會(Conference and Workshop on Neural Information Processing Systems),自1987年誕生至今已有32年的歷史,一直以來備受學術界和產業界的高度關注,是AI學術領域的“華山論劍”。
作為AI領域頂會,NeurIPS也是最火爆的那個,去年會議門票在數分鐘內被搶光,而且在論文的投稿錄取上,競爭同樣激烈。
今年,NeurIPS會議的論文投稿量再創新高,共收到6743篇投稿,最終錄取1428篇論文,錄取率為21.2%。
▌“資料下毒”論文入選頂會NeurIPS
那這次創新工場AI工程院這篇入選論文,核心議題是什麼?
我們先拆解說說。
近年來,機器學習熱度不斷攀升,並逐漸在不同應用領域解決各式各樣的問題。不過,卻很少有人意識到,其實機器學習本身也很容易受到攻擊,模型並非想像中堅不可摧。
例如,在訓練(學習階段)或是預測(推理階段)這兩個過程中,機器學習模型就都有可能被對手攻擊,而攻擊的手段也是多種多樣。
創新工場AI工程院為此專門成立了AI安全實驗室,針對人工智慧系統的安全性進行了深入對評估和研究。
在被NeurIPS收錄的論文中,核心貢獻就是提出了高效生成對抗訓練資料的最先進方法之一——DeepConfuse。
▌給數據下毒
通過劫持神經網路的訓練過程,教會雜訊生成器為訓練樣本添加一個有界的擾動,使得該訓練樣本訓練得到的機器學習模型在面對測試樣本時的泛化能力盡可能地差,非常巧妙地實現了“資料下毒”。
顧名思義,“資料下毒”即讓訓練資料“中毒”,具體的攻擊策略是通過干擾模型的訓練過程,對其完整性造成影響,進而讓模型的後續預測過程出現偏差。
“資料下毒”與常見的“對抗樣本攻擊”是不同的攻擊手段,存在於不同的威脅場景:前者通過修改訓練資料讓模型“中毒”,後者通過修改待測試的樣本讓模型“受騙”。
舉例來說,假如一家從事機器人視覺技術開發的公司希望訓練機器人識別現實場景中的器物、人員、車輛等,卻不慎被入侵者利用論文中提及的方法篡改了訓練資料。
研發人員在目視檢查訓練資料時,通常不會感知到異常(因為使資料“中毒”的噪音資料在圖像層面很難被肉眼識別),訓練過程也一如既往地順利。
但這時訓練出來的深度學習模型在泛化能力上會大幅退化,用這樣的模型驅動的機器人在真實場景中會徹底“懵圈”,陷入什麼也認不出的尷尬境地。
更有甚者,攻擊者還可以精心調整“下毒”時所用的噪音資料,使得訓練出來的機器人視覺模型“故意認錯”某些東西,比如將障礙認成是通路,或將危險場景標記成安全場景等。
為了達成這一目的,這篇論文設計了一種可以生成對抗雜訊的自編碼器神經網路DeepConfuse。
通過觀察一個假想分類器的訓練過程更新自己的權重,產生“有毒性”的雜訊,從而為“受害的”分類器帶來最低下的泛化效率,而這個過程可以被歸結為一個具有非線性等式約束的非凸優化問題。
▌下毒無痕,毒性不小
從實驗資料可以發現,在MNIST、CIFAR-10以及縮減版的IMAGENET這些不同資料集上,使用“未被下毒”的訓練資料集和“中毒”的訓練資料集所訓練的系統模型在分類精度上存在較大的差異,效果非常可觀。
與此同時,從實驗結果來看,該方法生成的對抗雜訊具有通用性,即便是在隨機森林和支援向量機這些非神經網路上也有較好表現。
其中,藍色為使用“未被下毒”的訓練資料訓練出的模型在泛化能力上的測試表現,橙色為使用“中毒”訓練資料訓練出的模型的在泛化能力上的測試表現。
在CIFAR和IMAGENET資料集上的表現也具有相似效果,證明該方法所產生的對抗訓練樣本在不同的網路結構上具有很高的遷移能力。
此外,論文中提出的方法還能有效擴展至針對特定標籤的情形下,即攻擊者希望通過一些預先指定的規則使模型分類錯誤,例如將“貓”錯誤分類成“狗”,讓模型按照攻擊者計畫,定向發生錯誤。
例如,下圖為MINIST資料集上,不同場景下測試集上混淆矩陣的表現,分別為乾淨訓練資料集、無特定標籤的訓練資料集、以及有特定標籤的訓練資料集。
實驗結果有力證明,為有特定標籤的訓練資料集做相應設置的有效性,未來有機會通過修改設置以實現更多特定的任務。
對資料“下毒”技術的研究並不單單是為了揭示類似的AI入侵或攻擊技術對系統安全的威脅,更重要的是,只有深入研究相關的入侵或攻擊技術,才能有針對性地制定防範“AI駭客”的完善方案。
隨著AI演算法、AI系統在國計民生相關的領域逐漸得到普及與推廣,科研人員必須透徹地掌握AI安全攻防的前沿技術,並有針對性地為自動駕駛、AI輔助醫療、AI輔助投資等涉及生命安全、財富安全的領域研發最有效的防護手段。
▌還關注聯邦學習
除了安全問題之外,人工智慧應用的資料隱私問題,也是創新工場AI安全實驗室重點關注的議題之一。
近年來,隨著人工智慧技術的高速發展,社會各界對隱私保護及資料安全的需求加強,聯邦學習技術應運而生,並開始越來越多地受到學術界和工業界的關注。
具體而言,聯邦學習系統是一個分散式的具有多個參與者的機器學習框架,每一個聯邦學習的參與者不需要與其餘幾方共用自己的訓練資料,但仍然能利用其餘幾方參與者提供的資訊更好的訓練聯合模型。
換言之,各方可以在在不共用資料的情況下,共用資料產生的知識,達到共贏。
創新工場AI工程院也十分看好聯邦學習技術的巨大應用潛力。
今年3月,“Learning to Confuse: Generating Training Time Adversarial Data with Auto-Encoder”論文的作者、創新工場南京國際人工智慧研究院執行院長馮霽代表創新工場當選為IEEE聯邦學習標準制定委員會副主席,著手推進制定AI協同及大資料安全領域首個國際標準。
創新工場也將成為聯邦學習這一技術“立法”的直接參與者。
▌創新工場AI工程院科研成績單
創新工場憑藉獨特的VC+AI(風險投資與AI研發相結合)的架構,致力於扮演前沿科研與AI商業化之間的橋樑角色。
創新工場2019年廣泛開展科研合作,與其他國際科研機構合作的論文,入選多項國際頂級會議,除上述介紹的“資料下毒”論文入選NeurlPS之外,還有8篇收錄至五大學術頂會,涉及影像處理、自動駕駛、自然語言處理、金融AI和區塊鏈等方向。
┃兩篇論文入選ICCV
Disentangling Propagation and Generation for Video Prediction
https://arxiv.org/abs/1812.00452
這篇論文的主要工作圍繞一個視頻預測的任務展開,即在一個視頻中,給定前幾幀的圖片預測接下來的一幀或多幀的圖片。
Joint Monocular 3D Vehicle Detection and Tracking
https://arxiv.org/abs/1811.10742
這篇論文提出了一種全新的線上三維車輛檢測與跟蹤的聯合框架,不僅能隨著時間關聯車輛的檢測結果,同時可以利用單目攝像機獲取的二維移動資訊估計三維的車輛資訊。
┃一篇論文入選IROS
Monocular Plan View Networks for Autonomous Driving
http://arxiv.org/abs/1905.06937
針對端到端的控制學習問題提出了一個對當前觀察的視角轉換,將其稱之為規劃視角,它把將當前的觀察視角轉化至一個鳥瞰視角。具體的,在自動駕駛的問題下,在第一人稱視角中檢測行人和車輛並將其投影至一個俯瞰視角。
┃三篇論文入選EMNLP
Multiplex Word Embeddings for Selectional Preference Acquisition
提出了一種multiplex詞向量模型。在該模型中,對於每個詞而言,其向量包含兩部分,主向量和關係向量,其中主向量代表總體語義,關係向量用於表達這個詞在不同關係上的特徵,每個詞的最終向量由這兩種向量融合得到。
What You See is What You Get: Visual Pronoun Coreference Resolution in Dialogues
https://assert.pub/papers/1909.00421
提出了一個新模型(VisCoref)及一個配套資料集(VisPro),用以研究如何將代詞指代與視覺資訊進行整合。
Reading Like HER: Human Reading Inspired Extractive Summarization
人類通過閱讀進行文本語義的摘要總結大體上可以分為兩個階段:1)通過粗略地閱讀獲取文本的概要資訊,2)進而進行細緻的閱讀選取關鍵句子形成摘要。
本文提出一種新的抽取式摘要方法來模擬以上兩個階段,該方法將文檔抽取式摘要形式化為一個帶有上下文的多臂老虎機問題,並採用策略梯度方法來求解。
┃一篇論文入選IEEE TVCG
sPortfolio: Stratified Visual Analysis of Stock Portfolios
https://www.ncbi.nlm.nih.gov/pubmed/31443006
主要是對於金融市場中的投資組合和多因數模型進行可視分析的研究。通過三個方面的分析任務來幫助投資者進行日常分析並升決策準確性。
並提出了一個全新的視覺化分析系統sPortfolio,它允許使用者根據持倉,因數和歷史策略來觀察投資組合的市場。sPortfolio提供了四個良好協調的視圖。
┃一篇論文入選NSDI
Monoxide: Scale Out Blockchain with Asynchronized Consensus Zones
https://www.usenix.org/system/files/nsdi19-wang-jiaping.pdf
提出了一種名為非同步共識組 Monoxide 的區塊鏈擴容方案,可以在由 4.8 萬個全球節點組成的測試環境中,實現比比特幣網路高出 1000 倍的每秒交易處理量,以及 2000 倍的狀態記憶體容量,有望打破“不可能三角”這個長期困擾區塊鏈性能的瓶頸。
▌獨特的“科研助推商業”思路
國內VC,發表論文都很少見,為什麼創新工場如此做?
這背後在於其“VC+AI”模式。
最獨特之處在于,創新工場的AI工程院可以通過廣泛的科研合作以及自身的科研團隊,密切跟蹤前沿科研領域裡最有可能轉變為未來商業價值的科研方向。
這種“科研助推商業”的思路力圖儘早發現有未來商業價值的學術研究,然後在保護各方智慧財產權和商業利益的前提下積極與相關科研方開展合作。
同時,由AI工程院的產品研發團隊嘗試該項技術在不同商業場景裡可能的產品方向、研發產品原型,並由商務拓展團隊推動產品在真實商業領域的落地測試,繼而可以為創新工場的風險投資團隊帶來早期識別、投資高價值賽道的寶貴機會。
“科研助推商業”並不是簡單地尋找有前景的科研專案,而是將技術跟蹤、人才跟蹤、實驗室合作、智慧財產權合作、技術轉化、原型產品快速反覆運算、商務拓展、財務投資等多維度的工作整合在一個統一的資源體系內,用市場價值為導向,有計劃地銜接學術科研與商業實踐。
以AI為代表的高新技術目前正進入商業落地優先的深入發展期,產業大環境亟需前沿科研技術與實際商業場景的有機結合。
創新工場憑藉在風險投資領域積累的豐富經驗,以及在創辦AI工程院的過程中積累的技術人才優勢,特別適合扮演科研與商業化之間的橋樑角色。
於是,創新工場AI工程院也就順勢而生。
創新工場人工智慧工程院成立於2016年9月,以“科研+工程實驗室”模式,規劃研發方向,組建研發團隊。
目前已經設有醫療AI、機器人、機器學習理論、計算金融、電腦感知等面向前沿科技與應用方向的研發實驗室,還先後設立了創新工場南京國際人工智慧研究院、創新工場大灣區人工智慧研究院。
目標是培養人工智慧高端科研與工程人才,研發以機器學習為核心的前沿人工智慧技術,並同各行業領域相結合,為行業場景提供一流的產品和解決方案。
而且, 創新工場還與國內外著名的科研機構廣泛開展科研合作。
例如,今年3月20日,香港科技大學和創新工場宣佈成立電腦感知與智慧控制聯合實驗室(Computer Perception and Intelligent Control Lab)。
此外,創新工場也積極參與了國際相關的技術標準制定工作。例如,今年8月,第28屆國際人工智慧聯合會議(IJCAI)在中國澳門隆重舉辦,期間召開了IEEE P3652.1(聯邦學習基礎架構與應用)標準工作組第三次會議。
IEEE聯邦學習標準由微眾銀行發起,創新工場等數十家國際和國內科技公司參與,是國際上首個針對人工智慧協同技術框架訂立標準的專案。
創新工場表示,自身的科研團隊將深度參與到聯邦學習標準的制定過程中,希望為AI技術在真實場景下的安全性、可用性以及保護資料安全、保護使用者隱私貢獻自己的力量。
propagation有機 在 閃耀北極星 劉彥良 Facebook 的最佳解答
《電子零件》台燿Q4不淡,今年獲利戰新高
2016/10/20 12:07 時報資訊
【時報記者張漢綺台北報導】銅箔基板廠—台燿 (6274) 搶攻High TG & Low DK(介電常數)產品有成,為國內首家量產應用於100G交換器的銅箔基板廠,公司近期接獲網通大廠長單,加上銅箔價格調漲,台燿初估,第4季業績有機會超越第3季,呈現淡季不淡,今年獲利可望創下歷年新高。
台燿產品包括CCL及壓合代工業務,其中CCL佔比約80%,壓合代工約20%;主要生產基地包括台灣、大陸中山與常熟廠,其中大陸廠CCL月產能約120萬張,台灣廠約70萬張;台燿近幾年淡出NB、TV市場,專注耐高溫高速傳輸銅箔基板,由於IC載板材料的Dk會影響訊號的傳送速度,而Df會影響傳送訊號時的品質,當這兩種因子較低時,才能縮短訊號延遲(Signal Propagation Delay Time),以及減少訊號的傳遞損失(Signal Transmission Loss),達到最快的傳送速度和維持較佳的傳輸訊號,看好此市場需求,台燿前幾年開始投入生產主要應用於伺服器、基地台控制板及儲存裝置的High TG & Low DK(介電常數)產品,目前高頻High tg產品技術領先國內同業,更是國內首家量產應用於100G交換器的銅箔基板廠。
隨著物聯網、4G基地台大量建置及巨量儲存需求高速成長,台燿High tg的出貨逐年攀高,目前佔CCL產品比重已由去年50%到55%,提升至60%以上,成為推升台燿業績重要動能。
在產品優化下,台燿今年上半年合併營收為65.35億元,營業毛利為13.64億元,合併毛利率為20.88%,較去年同期增加2.73個百分點,稅前盈餘為6.03億元,稅後盈餘為4.57億元,每股盈餘為1.89元。
台燿9月合併營收為11.09億元,年減5.58%;累計第3季合併營收為33.63億元,季增1.08%,不過由於材料成本上揚,台燿初估,第3季獲利將略低於第2季。
隨著高階產品出貨穩定成長,加上銅箔價格調漲,台燿初估,第4季業績有機會超越第3季,今年獲利有機會創下歷年新高。
propagation有機 在 コバにゃんチャンネル Youtube 的最佳貼文
propagation有機 在 大象中醫 Youtube 的最佳解答
propagation有機 在 大象中醫 Youtube 的最佳解答
propagation有機 在 自製液態濃縮有機肥料「萬金油」 - YouTube - Pinterest 的推薦與評價
More like this. 園藝達人黃以法博士介紹有機肥料的製造- YouTube Propagation, All Plants,. 園藝達人黃以法博士介紹有機肥料的製造. More information. Propagation. ... <看更多>
propagation有機 在 Hea種- 種植有機菜要由泥土開始,所以我哋用料一 ... - Facebook 的推薦與評價
泥土方面我哋係選用Sun Gro Propagation Mix Sunshine #5 N&O (Peat Moss) 喺香港有機資源中心認證嘅有機使用物料,適合多種植物類型,提供標準嘅天然及有機泥土。 . ... <看更多>
propagation有機 在 自製液態濃縮有機肥料「萬金油」 - YouTube - Pinterest 的推薦與評價
More like this. 園藝達人黃以法博士介紹有機肥料的製造- YouTube Propagation, All Plants,. 園藝達人黃以法博士介紹有機肥料的製造. More information. Propagation. ... <看更多>